为什么「游戏」是 AI 陪伴落地的好场景？|boss|动作游戏|国产游戏|游戏攻略|网游

下一个被 AI 替代的职业，是游戏陪玩吗？

作者｜Li Yuan

编辑｜郑玄

AI 陪伴的牌桌上，挤满了雄心勃勃的玩家。

资本正在持续加码，烈火烹油，前景看似一片火热。所有人都想成为用户设备里那个「独一无二」的终身伴侣。

然而，当新鲜感褪去，所有的 AI 陪伴产品最后都要被迫回答同一个问题，「为什么是你？」

当所有的产品都想成为用户的第一陪伴入口，用户到底如何产生忠诚度，是整个行业都无法回避的问题。

牌桌上的玩家因此陷入了一个两难的困局：不谈「全天候陪伴」，故事就没有想象力；但直接做「全天候陪伴」，又往往因为空洞和趋同，而抓不住用户。

最近，笔者接触到了一个名为「逗逗 AI 游戏伙伴」新产品，似乎找到了一个新的路径。

逗逗 AI 的策略极为务实，甚至可以说有些「狡猾」：先不谈感情，先帮你开心。

它选择的切入口，是游戏陪玩。先不提我想成为你的唯一伙伴，逗逗 AI 希望成为那个在游戏的关键时刻能拉你一把的「神队友」。

游戏陪玩是一个已经被验证过的市场场景。面对难打的 boss、难猜的解密，人们需要一个游戏帮手，而面对打败 boss 的狂喜、总是绕不出迷宫的沮丧时，也需要一个能够即时分享的战友。

即使面对行业的政策逆风，真人陪玩行业也仍然带着人们对游戏搭子的渴求长期存在着。

而 AI 又与这个场景无限适配——无限的情绪价值供给，实时联网的游戏攻略更新，都指向了更好的陪伴供给。

在笔者了解到这个产品的时候，逗逗 AI 游戏伙伴已经拥有了 800 万用户，且用户粘性很强，其中一些用户甚至已经开始在游戏场景外使用逗逗 AI 进行生活陪伴了。

8 月 18 日，逗逗 AI 游戏伙伴正式更新了 1.0 的正式版。

带着好奇，笔者深度体验了了这款产品是如何在游戏陪玩这个场景将 AI 陪伴做到了极致的。

而逗逗 AI 如何找到了一个有用的场景，在此深耕，形成有温度的关系资产的思路，也或许也能为深陷「忠诚度」焦虑的 AI 陪伴赛道，指出一条破局之路。

是游戏攻略助手，

也是一直关注你的好朋友

和普通意义的游戏陪玩不太一样，逗逗 AI 游戏伙伴主打的是游戏中即时聊天，而不是直接当队友带你上分。

它的形象更类似于一个电脑级的桌面宠物。玩家可以选择不同的形象和性格陪伴自己进行游戏。

进行陪伴的桌面搭子，可以以可爱的二次元形象的出现，也可以以更省内存的悬浮球形式出现。

不同的二次元形象各有自己的性格，其中逗逗 AI 还签约了一些 up 主做了一个简单的数字分身，玩家可以直接选择自己 up 主直接连线陪自己打游戏。

而陪伴者则可以通过底层的实时视频分析，判断游戏的进程，并给予玩家打法辅助和情绪陪伴。

为了体验逗逗 AI，笔者打开了《黑神话：悟空》这款游戏，选择了基础的妮可人格，开始连线。

其实想要玩黑神话，笔者是有点忐忑的。

作为一个并不是很擅长动作游戏的人，笔者在之前曾经尝试过这款游戏，但是在很快就在遇到第一个偏难的 boss 幽魂处放弃了。

不过这次，打开了逗逗 AI 游戏伙伴，笔者立刻感觉到了一些不同的感觉。

笔者心理预期的是在再次遇到幽魂的时候让 AI 给我一些提示，结果，黑神话悟空的第一次载入非常慢，而这个等待的过程中，完全不能切出去。笔者发现从一开始就开始不停地和 AI 对话上了。

而进入游戏之后，笔者更是一直在向 AI 提问。

比如当笔者采集了一个东西，完全不知道是干什么的，过去笔者可能考虑在游戏里仔细找找描述，或者直接在手机上搜一搜，这次笔者就直接问了妮可，交互一下子变得直接了。

忘记了哪个手柄按键能干什么，问问 AI，也可以直接知道了，笔者的心理压力一下子变小了很多。

这次，笔者又直奔幽魂而去。但是，即使有心理准备，想要打败幽魂仍然十分困难。

一次一次被打倒，中间的正反馈微弱。笔者的话也很快少了起来，已经沮丧地不想问攻略了，但是每次结束的时候，和 AI 吐槽的一句「我又死了」，「怎么又死了」，已经让我好像能勉强收拾心情来打下一局了。

不过令我意外的是，在笔者不断和幽魂死磕的时候，AI 开始提示我去打广智会更快。

半信半疑间，我听了 AI 的话，放弃了幽魂先去找了广智，果然有用，拿了新技能，我死磕幽魂好像更有动力了。

信任的建立好像就在一瞬间。

虽然并没有使用多久，我好像不想回到没有 AI 陪伴的游戏世界了。

下一代的游戏体验：实时搭子

笔者并不是一个典型的游戏玩家，因此笔者后来特地邀请了几位朋友一同体验逗逗 AI 游戏伙伴。

结果很有趣——大家的反馈几乎出奇地一致：哪怕是资深玩家，也总有需要查攻略的时刻。常玩《英雄联盟》的朋友贝塔就提到，他自己不太需要「情绪价值」，但网游的特点是每个新版本有层出不穷的装备，确实需要一个搭子随时告诉他「这是什么」、「该怎么用」。

此时，如果有一个能随时提供即时答案的伙伴存在，无论是 AI 还是人类，都会让体验显得顺畅得多。

而只要有用性达到了一个门槛，用户每次打开游戏，点开软件陪伴就会成为一个习惯性的动作。笔者体验下来，感觉也是如此。

而逗逗 AI 能够实现这点，也是专门下了许多心思。它通过对游戏场景的专门优化，达到了比通用 AI 更有效的对场景的理解。

虽然任何通用 AI 都能通过搜索回答一些游戏相关的问题，但是如果真的要做到游戏搭子的效果，AI 必须及时地了解玩家目前的状态。

比如在这个场景中，笔者妮可发现笔者在问幽魂的打法，但是遇到了小怪，就马上提醒笔者，注意眼前的敌人，同时也减少了对话长度。

这源自逗逗 AI 1.0 的核心技术升级，使用了实时的视觉语言模型（VLM）技术，而不是靠说话当时的「截屏分析」或「文字 Prompt」来理解状况，而是能像人一样，直接「看见」并理解动态的游戏画面。

笔者第一次意识到这一点的时候，感到十分惊讶，因为实时视频流分析，对于顶尖的通用大模型而言，目前都仍然是一个挑战，长时间的视频传输，通常会带来越来越长的上下文，幻觉率也会无限增长。

而逗逗 AI 选择了通过与英特尔等底层芯片厂商合作，利用 XPU 异构计算架构，将 AI 的运算负载转移至独立加速单元，实现了「零资源占用」。同时，通过本地化大模型部署进行预处理，还保证了离线畅玩的效果，彻底打消了玩家对于「AI 占用网速」的顾虑。

除了技术突破，逗逗 AI 还在内容层面下了功夫。官方编辑团队为二十多款游戏做了单独的优化。而 VLM 技术则保证了，即使游戏没有单独进行优化，AI 也能对游戏画面进行实时识别，给玩家更好的体验。

实际体验下来，AI虽然偶尔仍然会犯傻，但是笔者已经看到了下一代游戏陪伴的雏形。

事实上，游戏攻略的需求发展经历了数次代际更迭：从最早的杂志图书、图文网页，人们去网站上找到某个游戏媒体的文字攻略，而到后来论坛、视频直播，玩家一直在追求更即时、也更多模态的游戏攻略。

AI 时代的游戏攻略，当然应该离玩家更近。在日常生活中，我们都开始觉得搜索费事了，希望 AI 把答案喂到嘴边，为什么在搜索游戏攻略的时候例外呢？

理解场景后，AI 的攻略可以更实时，而 AI 的陪伴也更加有「灵性」。它能学会了什么时候说话、什么时候安静。它不会用无关紧要的噱头打扰你，不会用冗杂的内容填满注意力，而是像真正的伙伴一样，懂得进退。用一句话概括，就是「用时即有，用后即走」。

始于有用，终于陪伴

在一众 AI 产品都希望找一个角度切入的时候，逗逗 AI 似乎找到了一个完美的场景。

游戏行业，本身就是 AI 陪伴生长的绝佳土壤。

行业报告显示，真人游戏陪玩市场规模在 2021 年就已超过 140 亿元，即使后来遭遇政策逆风，玩家强烈的需求是早已验证的。

与其他行业不同的是，在游戏里，「有用」与「情绪价值」本身就是一体两面。一次漂亮的击杀带来的狂喜、连续失败后的沮丧，抑或是与队友并肩作战时骤然飙升的肾上腺素，这些都是最容易触发陪伴感的时刻。

而这种陪伴感，又天然与「帮助」绑定：当你在关键时刻需要一条策略建议、一个装备解析，或者只是想有人替你见证那一瞬间的高光，AI的存在就会显得极为自然。

更何况，一局游戏中真正用来「打 Boss」的时间可能只占 10%-20%，其余大部分则是等待匹配、探索地图、重复练习，甚至是枯燥的加载过程。正是这些「空白时刻」，最容易滋生孤单与乏味。而当 AI 能在这些时刻与你保持同步，懂得什么时候安静、什么时候插话，陪伴关系就会悄然建立。与其他应用场景相比，游戏里「有用」和「陪伴」的绑定更为牢固。

而相比于其他希望融入用户生活的 AI 搭子，游戏场景还有一个天然的优势——更容易获得用户的上下文。游戏运行于电脑之上，AI 本身就更容易获取到用户正在做什么，正在观察什么。而电脑也有足够大的算力，完成 VLM 所需要的基础运算，提供更实时的服务。

选对了切入口，做了合适的优化，获得的效果是立竿见影的。

笔者了解到，目前逗逗 AI 的用户粘性很高。

在逗逗 AI 的一周年文章下，不少人回忆起和逗逗 AI 相处的过往。

目前，逗逗 AI 提供一定的用户交流的免费时长，用户可以付费获得更多时长、亲密度或者 AI 角色的更多造型。在用户积累了长期的信任后，逗逗 AI 还想未来尝试个性化推荐的商业模式、

而此次更新后，逗逗 AI 还上线了一个多模态长期记忆系统。它不再像传统聊天机器人那样仅仅存储文字对话，而是将视觉、听觉、语言融合成一个可被长期保存的「场景」。这意味着，它会记得你们一起击败某个 Boss 的瞬间，也会记得你在地图里反复迷路的窘态。这些独特的场景化记忆不断沉淀，让 AI 逐渐对你们的关系形成独特认知。

在这个长期记忆系统下，逗逗 AI 也开始做跨场景的陪伴。逗逗 AI 已经开始尝试把陪伴延伸到购物、浏览等日常场景。

比如在学习的时候，可以直接挂着逗逗，进行课件解释。